بهنام بلوچی - دانشجوی دکتری عمران -آب، دانشکده مهندسی، دانشگاه شیراز
محمدرضا نیکو - استادیار، بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز
محمود شفاعی بجستان - استاد، بخش سازه های هیدرولیکی، دانشکده مهندسی آب، دانشگاه شهید چمران، اهواز
مریم دهقانی - استادیار، بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز

تلاقی رودخانهها یکی از پیچیدهترین مکانها در سیستم رودخانهها میباشد که درنتیجه آن، پیشبینی حداکثر عمق آبشستگی ( Ds( بااستفاده از مدلهای هوشمند که قادر به لحاظ این پیچیدگیها میباشند امری مهم و ضروری میباشد. بنابراین در تحقیق حاضر، عملکرد دو مدل هوش مصنوعی به نامهای SVR) با لحاظ روشهای اعتبارسنجی مختلف، شامل test-train ،Fold-K و out-one-leave (و GRNN مورد تقریبا خوبی دارند؛ اما مدل SVR با روش s دقت بررسی قرار گرفته است. نتایج حاصل نشان دادند که اگرچه تمام مدلها در پیشبینی D R با بهترتیب (میدهد نشان را بالاتری دقت train-test اعتبارسنجی 2 0/0168 ،4/26 ، 0/0124 ،95/66 با برابر NSE و RMSE ،MARE ،MAE ، و 993/0 ،(و بعد از آن بهترتیب مدلهای out-one-leave SVR ،Fold-K SVR) در 9=K (و مدل GRNN را میتوان به عنوان دقیقترین مدلها در این تحقیق پیشنهاد نمود.

تلاقی رودخانهها، شرایط بستر متحرک، مدل SVR ،روشهای اعتبارسنجی، مدل GRNN